本发明涉及图像处理和车标定位技术，尤其涉及一种基于散热器栅格背景消融的车标定位方法。
背景技术：
：车标的定位识别系统是智能交通系统中重要的组成部分之一，并且在违章停车、车辆假套牌检测、违章车辆逃逸等方面有着广泛的应用。而目前，车标定位识别系统中通常所采用的车标定位识别方法分别有边缘检测法、背景模糊法以及背景模板匹配法。但是，在车型种类和光照等条件的影响下，上述现有常用的方法均难以有效地实现车标背景栅格的消除，因此这样则极大地影响了车标定位识别的精确性。同时，上述现有常用的车标定位识别方法的计算复杂度均较高，因此这样则大大降低车标定位识别的效率，从而难以满足实时定位的需求。由此可得，研究一种兼顾实时性和准确性的车标定位方法是目前迫切需要解决的问题。技术实现要素：为了解决上述技术问题，本发明的目的是提供一种兼顾实时性和准确性的基于散热器栅格背景消融的车标定位方法。本发明所采用的技术方案是：一种基于散热器栅格背景消融的车标定位方法，该方法包括：A、获取车辆原始图像；B、对车辆原始图像进行车标粗定位，从而得到车标粗定位图像；C、判断车标粗定位图像中的背景为无栅格背景或有栅格背景；当车标粗定位图像中的背景为有栅格背景时，则对车标粗定位图像中车标的背景纹理进行分类，然后执行步骤D；当车标粗定位图像中的背景为无栅格背景时，则执行步骤E；D、采用与车标的背景纹理类型相对应的算法对车标粗定位图像中车标的栅格背景进行消除；E、对车标粗定位图像进行车标物理特性判断，从而根据判断结果来实现车标的最终定位。进一步，所述步骤B包括：B1、从车辆原始图像中获取车牌位置信息；B2、根据获得的车牌位置信息以及车牌与车标之间的空间结构关系，对车辆原始图像进行车标候选区域定位；B3、根据车标边缘信息和/或车标背景边缘信息对车标候选区域进行车标粗定位，从而得到车标粗定位图像。进一步，所述步骤B2中所述的车牌与车标之间的空间结构关系，其表达式如下所示：Xleft＝xleftXright＝xrightYdowm＝yup-bYup＝yup-a(ydowm-yup)其中，xleft表示车牌的左边界，xright表示车牌的右边界，yup表示车牌的上边界，ydown表示车牌的下边界；Xleft表示车标候选区域的左边界，Xright表示车标候选区域的右边界，Yup表示车标候选区域的上边界，Ydown表示车标候选区域的下边界；a和b均为经验值。进一步，所述步骤C具体为：判断车标粗定位图像的灰度值总和是否大于第一经验阈值，若是，则表示车标粗定位图像中的背景为有栅格背景，对车标粗定位图像中车标的背景纹理进行分类后执行步骤D；反之，则执行步骤E。进一步，所述对车标粗定位图像中车标的背景纹理进行分类这一步骤，其具体为：根据车标粗定位图像的灰度值变化趋势及车标粗定位图像的主方向，从而判断车标粗定位图像中车标的背景纹理为垂直背景纹理或水平背景纹理。进一步，所述车标粗定位图像的灰度值变化趋势，其所采用的计算公式为：G＝f′x(x,y)-f′y(x,y)其中，G表示差别度，f(x,y)表示车标粗定位灰度图像，f′x(x,y)表示车标粗定位灰度图像的水平差分值，f′y(x,y)表示车标粗定位灰度图像的垂直差分值。进一步，所述车标粗定位图像的主方向，其所采用的计算公式为：T＝angle(lmax)其中，T表示车标粗定位图像的主方向，lmax表示车标粗定位图像进行霍夫变换后得到的长度为最大值的线，angle(lmax)表示为lmax对应的角度。进一步，所述步骤E包括：E1、采用自适应图像二值化算法对车标粗定位图像进行图像二值化处理后得到车标粗定位二值化图像；E2、对车标粗定位二值化图像进行形态学处理；E3、判断形态学处理后的车标粗定位二值化图像中是否存有符合车标面积约束条件的车标区域，若存有，则执行步骤E4；反之，则对形态学中的膨胀系数、消除系数以及中值滤波系数进行调整后返回执行步骤E2；E4、判断符合车标面积约束条件的车标区域的个数是否为一个，若是，则将该符合车标面积约束条件的车标区域作为最终的车标定位；反之，则根据预设条件从至少两个符合车标面积约束条件的车标区域中选取一个符合预设条件的车标区域作为最终的车标定位。进一步，所述步骤E1包括：E11、利用二值化阈值对车标粗定位图像进行二值化处理，从而得到车标粗定位二值化图像；E12、计算当前车标粗定位二值化图像的离散系数；E13、判断当前的二值化阈值是否小于等于当前的离散系数，若是，则进行二值化阈值的调整，然后返回执行步骤E11；反之，则将当前车标粗定位二值化图像作为最终输出的车标粗定位二值化图像。进一步，所述进行二值化阈值的调整这一步骤，其所采用的阈值调整计算公式如下所示：Hn＝Hn-1(1+0.2n)其中，Hn表示第n个二值化阈值，Hn-1表示第n-1个二值化阈值，n取值1、2、3……。本发明的有益效果是：本发明的车标定位方法对车标背景进行了分类，并且针对不同的背景类型，采用了相对应的算法来进行背景消除，这样则能有效且针对性地对车标背景进行消除，从而大大提高车标定位的准确定；而且，本发明方法的步骤简单，其计算复杂度远远低于现有的车标定位技术。因此由此可得，本发明的车标定位方法是一种处理速度快且定位准确度高的车标定位方法。另外，在对车标粗定位图像中车标的背景纹理进行分类时，由于引入了车标粗定位图像的主方向作为背景纹理类型的判别基准，因此能够更准确地进行背景纹理的分类；还有，采用自适应图像二值化算法对车标粗定位图像进行图像二值化处理时，由于引入了离散系数作为约束条件，因此能够更加完整地保留车标信息。附图说明下面结合附图对本发明的具体实施方式作进一步说明：图1是本发明一种基于散热器栅格背景消融的车标定位方法的步骤流程图；图2是本发明一种基于散热器栅格背景消融的车标定位方法的一具体实施例步骤流程图；图3是进行垂直栅格背景消除后的车标粗定位图像的示意图；图4是本发明一种基于散热器栅格背景消融的车标定位方法一具体实施例中步骤S7的具体步骤流程图。具体实施方式通过对车标及车标背景的观察，发现散热器栅格虽然种类多样、方向不一，但依据背景纹理特征，车标的背景可大体分为三类：无栅格背景和有栅格背景。而对于所述的有栅格背景，其包括垂直栅格背景和水平栅格背景；所述垂直栅格背景，其背景纹理为垂直背景纹理；所述水平栅格背景，其背景纹理为水平背景纹理。如图1所示，一种基于散热器栅格背景消融的车标定位方法，该方法包括：A、获取车辆原始图像；B、对车辆原始图像进行车标粗定位，从而得到车标粗定位图像；C、判断车标粗定位图像中的背景为无栅格背景或有栅格背景；当车标粗定位图像中的背景为有栅格背景时，则对车标粗定位图像中车标的背景纹理进行分类，然后执行步骤D；当车标粗定位图像中的背景为无栅格背景时，则执行步骤E；D、采用与车标的背景纹理类型相对应的算法对车标粗定位图像中车标的栅格背景进行消除，然后执行步骤E；E、对车标粗定位图像进行车标物理特性判断，从而根据判断结果来实现车标的最终定位。对于上述的车辆原始图像，其通常为车辆正面原始图像。进一步作为优选的实施方式，所述步骤B包括：B1、从车辆原始图像中获取车牌位置信息；所述的车牌位置信息主要包括车牌的左边界、右边界、上边界及下边界；B2、根据获得的车牌位置信息以及车牌与车标之间的空间结构关系，对车辆原始图像进行车标候选区域定位；B3、根据车标边缘信息和/或车标背景边缘信息对车标候选区域进行车标粗定位，从而得到车标粗定位图像。进一步作为优选的实施方式，所述步骤B2中所述的车牌与车标之间的空间结构关系，其表达式如下所示：Xleft＝xleftXright＝xrightYdowm＝yup-bYup＝yup-a(ydowm-yup)其中，xleft表示车牌的左边界，xright表示车牌的右边界，yup表示车牌的上边界，ydown表示车牌的下边界；Xleft表示车标候选区域的左边界，Xright表示车标候选区域的右边界，Yup表示车标候选区域的上边界，Ydown表示车标候选区域的下边界；a和b均为经验值。通过采用这一车牌与车标之间的空间结构关系，能更准确地对车标候选区域进行定位。进一步作为优选的实施方式，所述步骤C具体为：判断车标粗定位图像的灰度值总和是否大于第一经验阈值，若是，则表示车标粗定位图像中的背景为有栅格背景，此时对车标粗定位图像中车标的背景纹理进行分类后执行步骤D；反之，则表示车标粗定位图像中的背景为无栅格背景，此时则直接执行步骤E。由此可得，通过步骤C，能对车标粗定位图像进行有栅格背景和无栅格背景的准确区分。进一步作为优选的实施方式，所述对车标粗定位图像中车标的背景纹理进行分类这一步骤，其具体为：根据车标粗定位图像的灰度值变化趋势及车标粗定位图像的主方向，从而判断车标粗定位图像中车标的背景纹理为垂直背景纹理或水平背景纹理。进一步作为优选的实施方式，所述车标粗定位图像的灰度值变化趋势，其所采用的计算公式为：G＝f′x(x,y)-f′y(x,y)其中，G表示差别度，f(x,y)表示车标粗定位灰度图像，f′x(x,y)表示车标粗定位灰度图像的水平差分值，f′y(x,y)表示车标粗定位灰度图像的垂直差分值；所述车标粗定位灰度图像为车标粗定位图像进行灰度化处理后所得到的灰度图像。由此可得，所述车标粗定位图像的灰度值变化趋势是以差别度G为判定基准。进一步作为优选的实施方式，所述车标粗定位图像的主方向，其所采用的计算公式为：T＝angle(lmax)其中，T表示车标粗定位图像的主方向，lmax表示车标粗定位图像进行霍夫变换后得到的长度为最大值的线，angle(lmax)表示为lmax对应的角度。进一步作为优选的实施方式，当车标粗定位图像中车标的背景纹理的类型分为水平背景条纹这一类型时，所述步骤D具体为：采用Laws垂直算子对车标粗定位图像中车标的水平栅格背景进行消除；当车标粗定位图像中车标的背景纹理的类型分为垂直背景条纹这一类型时，所述步骤D具体为：采用Sobel水平算子对车标粗定位图像中车标的垂直栅格背景进行消除；然后，对进行背景消除后的车标粗定位图像进行水平条纹的消除。优选地，对于所述的对进行背景消除后的车标粗定位图像进行水平条纹的消除这一步骤，其具体包括：通过进行背景消除后的车标粗定位图像的水平投影以及消除区域的主角度，从而对进行背景消除后的车标粗定位图像进行水平条纹的定位和消除。进一步作为优选的实施方式，所述步骤E包括：E1、采用自适应图像二值化算法对车标粗定位图像进行图像二值化处理后得到车标粗定位二值化图像；E2、对车标粗定位二值化图像进行形态学处理；E3、判断形态学处理后的车标粗定位二值化图像中是否存有符合车标面积约束条件的车标区域，若存有，则执行步骤E4；反之，则对形态学中的膨胀系数、消除系数以及中值滤波系数进行调整后返回执行步骤E2；E4、判断符合车标面积约束条件的车标区域的个数是否为一个，若是，则将该符合车标面积约束条件的车标区域作为最终的车标定位；反之，则根据预设条件从至少两个符合车标面积约束条件的车标区域中选取一个符合预设条件的车标区域作为最终的车标定位。当车标粗定位图像中的背景为无栅格背景时，步骤E1中所述的车标粗定位图像具体为经步骤B处理后得到的车标粗定位图像；当车标粗定位图像中的背景为有栅格背景时，则步骤E1中所述的车标粗定位图像具体为经步骤D处理后得到的车标粗定位图像，即进行背景消除后的车标粗定位图像。进一步作为优选的实施方式，所述步骤E1包括：E11、利用二值化阈值对车标粗定位图像进行二值化处理，从而得到车标粗定位二值化图像；E12、计算当前车标粗定位二值化图像的离散系数；E13、判断当前的二值化阈值是否小于等于当前的离散系数，若是，则进行二值化阈值的调整，然后返回执行步骤E11；反之，则将当前车标粗定位二值化图像作为最终输出的车标粗定位二值化图像。进一步作为优选的实施方式，所述进行二值化阈值的调整这一步骤，其所采用的阈值调整计算公式如下所示：Hn＝Hn-1(1+0.2n)其中，Hn表示第n个二值化阈值，即调整后的二值化阈值，Hn-1表示第n-1个二值化阈值，即当前的二值化阈值，n取值1、2、3……。上述所描述的技术内容均适用于以下的方法实施例中。本发明方法一具体实施例如图2所示，一种基于散热器栅格背景消融的车标定位方法，其具体包括：S1、获取车辆原始图像；S2、从车辆原始图像中获取车牌位置信息；S3、根据获得的车牌位置信息以及车牌与车标之间的空间结构关系，对车辆原始图像进行车标候选区域定位；在本实施例中，所述车牌与车标之间的空间结构关系，其表达式如下所示：Xleft＝xleftXright＝xrightYdowm＝yup-bYup＝yup-a(ydowm-yup)其中，xleft、xright、yup、ydown分别表示车牌的左右上下边界，Xleft、Xright、Yup、Ydown分别表示车标候选区域的左右上下边界，a、b为经验值；S4、根据车标边缘信息和/或车标背景边缘信息对车标候选区域进行车标粗定位，从而得到车标粗定位图像；S5、判断车标粗定位图像的灰度值总和是否大于第一经验阈值，若是，则表示车标粗定位图像中的背景为有栅格背景，此时对车标粗定位图像中车标的背景纹理进行分类后执行步骤S6；反之，则表示车标粗定位图像中的背景为无栅格背景，此时直接执行步骤S7；S6、采用与车标的背景纹理类型相对应的算法对车标粗定位图像中车标的栅格背景进行消除，然后执行步骤S7；S7、对车标粗定位图像进行车标物理特性判断，从而根据判断结果来实现车标的最终定位。对上述步骤S5、S6及S7进行详细的阐述，具体如下所示。(1)、对于步骤S5中对车标粗定位图像中车标的背景纹理进行分类这一步骤由于图像背景纹理的方向性可根据其灰度在不同方向上变化的一致性和均匀性予以判别，因此为了对垂直背景纹理和水平背景纹理进行区分，则可利用车标粗定位图像的灰度值变化趋势来实现；在本实施例中，定义差别度G来表示车标粗定位图像的灰度值变化趋势从而对垂直背景条纹和水平背景条纹进行区分，所述差别度G所采用的计算公式为：G＝f′x(x,y)-f′y(x,y)其中，f(x,y)表示车标粗定位灰度图像，f′x(x,y)表示车标粗定位灰度图像的水平差分值，f′y(x,y)表示车标粗定位灰度图像的垂直差分值；但是在光照等条件的影响下，差别度较小(即|G|→0)的背景仅通过差别度是难以对垂直背景条纹和水平背景条纹进行区分的，所以为了提升垂直背景条纹和水平背景条纹区别的鲁棒性，在差别度较小(即差别度G的绝对值趋近于0，|G|→0)时，则根据车标粗定位图像的主方向T来进行进一步的判断，从而保证背景纹理类型判别的准确度；所述车标粗定位图像的主方向所采用的计算公式为：T＝angle(lmax)其中，lmax表示车标粗定位图像进行霍夫变换后得到的长度为最大值的线，angle(lmax)表示为lmax这线所对应的角度。通过对T的阈值判断，则能对垂直背景条纹和水平背景条纹进行区别判断。(2)、对于步骤S6<1>、当车标粗定位图像中车标的背景纹理的类型分为水平背景条纹这一类型时，由于垂直栅格背景相较于水平栅格背景更为密集，而Laws垂直算子对于水平栅格背景的消除效果较Sobel垂直算子更为明显，故步骤S6采用Laws垂直算子将车标背景予以消融，即此时，对于所述的步骤S6，其具体为：采用Laws垂直算子对车标粗定位图像中车标的水平栅格背景进行消除，而所述的Laws垂直算子如下所示：-1020-1-4080-4-60120-6-4080-4-4020-4]]><2>、当车标粗定位图像中车标的背景纹理的类型分为垂直背景条纹这一类型时，由于在部分垂直栅格背景中，车标上方紧贴有一条水平条纹，因此在车标定位中，该水平条纹与车标部分会合并为最终车标，这样则会大大影响车标定位的精确度，由此可得，在消除垂直栅格背景时还需要对该水平条纹进行定位并消除，即此时，对于所述的步骤S6，其具体包括：S61、采用Sobel水平算子对车标粗定位图像中车标的垂直栅格背景进行消除；S62、对进行背景消除后的车标粗定位图像W进行水平条纹的消除；所述步骤S62具体为：通过进行背景消除后的车标粗定位图像W的水平投影以及消除区域的主角度，从而对进行背景消除后的车标粗定位图像W进行水平条纹的定位和消除；具体地，计算消除区域中第i行水平投影的灰度值总和h(i)，当h(i)<A(A为经验值)时，进行背景消除后的车标粗定位图像W中与第i行水平投影相对应的像素点，其像素值不变；反之，即h(i)≥A时，则计算消除区域的主角度，然后根据计算得出的消除区域的主角度从而确定是将进行背景消除后的车标粗定位图像W中与第i行水平投影相对应的像素点置为0，还是保持其像素值不变。例如，如图3所示，其表示一进行垂直栅格背景消除后的车标粗定位图像，从图3中可以看出，其中间圆形为车标区域，上方直线为水平条纹(假设i＝1～20)，而其它未被消除的垂直栅格背景(假设i＝30～60)，同时假设经验值A为50；若第1至第20行，以及第30至60行，它们的h(i)均大于等于A时，按照正常的处理，第1至第20行，以及第30至60行应都被置为0，但是，从图3中可看出，第30至60行中存有车标区域，不应该这样被消除掉，所以通过计算消除区域(第1至第20行为一个消除区域，第30-60行为另一个消除区域)的主方向，从而确定是否应该进行消除。对于上述的消除区域的主角度，其所采用的计算公式如下所示：anglef=(Σi=1N(L(i)×angleL(i))+lmax×angle(lmax))/(Σi=1NL(i)+lmax)]]>其中，anglef表示消除区域的主角度，L表示消除区域通过霍夫变换检测出的线的长度，angleL表示该线对应的角度；lmax表示车标粗定位图像进行霍夫变换后得到的长度为最大值的线，angle(lmax)表示lmax对应的角度。N表示消除区域通过霍夫变换而检测出的线的总个数。由此可得，通过这一步骤，既可达到水平条纹的消除，同时也避免车标区域的误判，提高车标定位准确性的目的。(3)、对于步骤S7如图4所示，所述步骤S7具体包括：S701、利用二值化阈值对车标粗定位图像进行二值化处理，从而得到车标粗定位二值化图像；S702、计算当前车标粗定位二值化图像的离散系数，所述的离散系数的计算公式如下所示：Vσ＝σ/M其中，Vσ表示为离散系数，σ表示为当前车标粗定位二值化图像经滤波后所得到的图像的垂直投影的标准差，M表示为当前车标粗定位二值化图像经滤波后所得到的图像的垂直投影的算术平均值；S703、判断当前的二值化阈值Hn-1是否小于等于当前的离散系数，若是，则进行二值化阈值的调整，然后返回执行步骤S701，利用调整后的二值化阈值Hn从而对车标粗定位图像进行再次的二值化处理；反之，则将当前车标粗定位二值化图像作为最终输出的车标粗定位二值化图像；所述进行二值化阈值的调整这一步骤，其所采用的阈值调整计算公式如下所示：Hn＝Hn-1(1+0.2n)其中，Hn表示第n个二值化阈值，即为下一次进行二值化处理时所采用的二值化阈值，Hn-1表示第n-1个二值化阈值，即为当前的二值化阈值，n取值1、2、3……；H0为0；由上述可得，通过采用上述自适应图像二值化算法来进行车标粗定位图像的二值化处理，能避免因车标区域亮度较暗或背景区域亮度较强时，车标区域难以凸显而导致车标信息缺失的问题，从而大大提高车标定位的准确性；S704、对步骤S703最终输出的车标粗定位二值化图像进行形态学处理；S705、判断形态学处理后的车标粗定位二值化图像中是否存有符合车标面积约束条件的车标区域，若存有，则执行步骤S706；反之，则对形态学中的膨胀系数、消除系数以及中值滤波系数进行调整后返回执行步骤S704，利用调整后的形态学中的膨胀系数、消除系数以及中值滤波系数对车标粗定位二值化图像进行再次形态学处理；所述步骤S705具体为：对形态学处理后的车标粗定位二值化图像进行车标区域定位，然后计算当前定位的车标区域依照其垂直中轴线分割后所得到的两部分区域的相似度，接着判断当前定位的车标区域的宽和高是否处于预设的数值范围内，且判断计算得出的相似度是否大于第二经验阈值S，若均为是，则表示当前定位的车标区域符合车标面积约束条件，那么则执行步骤S706；反之，则表示当前定位的车标区域不符合车标面积约束条件，那么则对形态学中的膨胀系数、消除系数以及中值滤波系数进行调整后返回执行步骤S704；所述两部分区域之间的相似度，其所采用的计算公式为：values=Σi=1256min(hist1(i),hist2(i))]]>其中，values表示当前定位的车标区域依照其垂直中轴线分割后所得到的两部分区域的相似度，hist1和hist2分别表示分割后所得到的两部分区域的灰度直方图；另外，所述对形态学中的膨胀系数、消除系数以及中值滤波系数进行调整这一步骤，其所采用的调整公式如下所示：pn+1＝a(pn+d)xn+1＝(1-a)(xn+d)zn+1＝(1-a)(zn+d)s.t.a＝0,1；h,l≥80,h,l≤20；其中pn、xn、zn分别表示形态学中当前的膨胀系数、消除系数以及中值滤波系数；pn+1、xn+1、zn+1分别表示调整后的形态学中的膨胀系数、消除系数以及中值滤波系数；h和l分别表示车标区域的宽和高；a为判定项，用于控制该系数是否变化；d为递变项，用于控制系数变化大小，d可取经验阈值；而根据上述约束条件可知，所述判断当前定位的车标区域的宽和高是否处于预设的数值范围内这一步骤中所述的预设的数值范围，其具体为(20,80)；由上述可得，本发明的方法对目标车标区域的面积、对称特性进行约束，通过调整膨胀系数、消除系数以及中值滤波系数，迭代循环，最终获取精确定位车标，这样则能有效地避免由于受到光照等条件的影响所导致的目标车标定位冗余(目标车标面积过大)、偏离(目标车标不对称)，从而得到满足面积和对称约束的精确车标；S706、判断符合车标面积约束条件的车标区域的个数是否为一个，若是，则将该符合车标面积约束条件的车标区域作为最终的车标定位；反之，则根据预设条件从至少两个符合车标面积约束条件的车标区域中选取一个符合预设条件的车标区域作为最终的车标定位。对于无栅格背景的车标粗定位图像，其判断符合车标面积约束条件的车标区域的个数仅为一个；而对于有栅格背景的车标粗定位图像，其判断符合车标面积约束条件的车标区域的个数则为至少一个。所以，对于所述的预设条件，其主要是针对垂直栅格背景和水平栅格背景这两种情况的：当车标粗定位图像为垂直栅格背景的车标粗定位图像时，选取图像膨胀后中心点与车标粗定位垂直中轴线欧式距离最小且整体面积最大的区域作为最终的车标精确定位结果，也就是说，此时对于所述根据预设条件从至少两个符合车标面积约束条件的车标区域中选取一个符合预设条件的车标区域作为最终的车标定位这一步骤，其具体为：从至少两个符合车标面积约束条件的车标区域中选取一个其中心点与车标粗定位图像的垂直中轴线欧式距离最小且整体面积最大的车标区域作为最终的车标定位；当车标粗定位图像为水平栅格背景的车标粗定位图像时，选取图像膨胀后中心点与车标粗定位水平中轴线欧式距离最小且整体面积最大的区域作为最终的车标精确定位结果，也就是说，此时对于所述根据预设条件从至少两个符合车标面积约束条件的车标区域中选取一个符合预设条件的车标区域作为最终的车标定位这一步骤，其具体为：从至少两个符合车标面积约束条件的车标区域中选取一个其中心点与车标粗定位图像的水平中轴线欧式距离最小且整体面积最大的车标区域作为最终的车标定位。由上述可得，本发明的方法所包含的优点有：1、针对不同的背景类型，采用了相对应的算法来进行背景消除，这样则能有效地对车标背景进行消除，从而大大提高车标定位的准确定；2、针对车标背景栅格类型的区分，本发明的方法利用了车标粗定位图像的灰度值变化趋势及车标粗定位图像的主方向，因此能更有效且准确地区分不同类型车标背景栅格；3、通过采用上述的自适应图像二值化算法来对车标粗定位图像进行图像二值化，能更有效地凸显车标区域，避免车标信息的损失，从而进一步地保证提高后续车标区域定位的精确度；4、对不同散热器栅格背景采用更具有针对性的车标背景消除模板，可以更有效地消除车标散热器栅格背景；5、对于目标车标，利用车标原有的物理特性，加以约束，可以进一步精确地定位车标；6、本发明的方法复杂度相比现有方法低，处理速度快，更能满足实时性的需求。以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。当前第1页1 2 3